Проект 9¶

Рынок заведений общественного питания Москвы¶

Оглавление:¶

  1. Описание проекта и данных
  2. Изучаем общую информацию о данных
  3. Предобработка данных
  4. Анализ данных
    • Общие выводы
  1. Шаг 4. Детализируем исследование: открытие кофейни
    • Рекомендации

1. Описание проекта¶

Инвесторы из фонда «Shut Up and Take My Money» решили попробовать себя в новой области и открыть заведение общественного питания в Москве. Заказчики ещё не знают, что это будет за место: кафе, ресторан, пиццерия, паб или бар, — и какими будут расположение, меню и цены.

Для начала они просят меня — аналитика — подготовить исследование рынка Москвы, найти интересные особенности и презентовать полученные результаты, которые в будущем помогут в выборе подходящего инвесторам места.

Необходимо подготовить лаконичную и информативную презентацию.

Описание данных¶

Доступен датасет с заведениями общественного питания Москвы, составленный на основе данных сервисов Яндекс Карты и Яндекс Бизнес на лето 2022 года. Информация, размещённая в сервисе Яндекс Бизнес, могла быть добавлена пользователями или найдена в общедоступных источниках. Она носит исключительно справочный характер.

Файл moscow_places.csv:

  • name — название заведения;
  • address — адрес заведения;
  • category — категория заведения, например «кафе», «пиццерия» или «кофейня»;
  • hours — информация о днях и часах работы;
  • lat — широта географической точки, в которой находится заведение;
  • lng — долгота географической точки, в которой находится заведение;
  • rating — рейтинг заведения по оценкам пользователей в Яндекс Картах (высшая оценка — 5.0);
  • price — категория цен в заведении, например «средние», «ниже среднего», «выше среднего» и так далее;
  • avg_bill — строка, которая хранит среднюю стоимость заказа в виде диапазона, например: 
      «Средний счёт: 1000–1500 ₽»;
  «Цена чашки капучино: 130–220 ₽»;
  «Цена бокала пива: 400–600 ₽». и так далее;
  • middle_avg_bill — число с оценкой среднего чека, которое указано только для значений из столбца avg_bill, начинающихся с подстроки «Средний счёт»: 
      Если в строке указан ценовой диапазон из двух значений, в столбец войдёт медиана этих двух значений.
  Если в строке указано одно число — цена без диапазона, то в столбец войдёт это число.
  Если значения нет или оно не начинается с подстроки «Средний счёт», то в столбец ничего не войдёт.
  • middle_coffee_cup — число с оценкой одной чашки капучино, которое указано только для значений из столбца avg_bill, начинающихся с подстроки «Цена одной чашки капучино»: 
      Если в строке указан ценовой диапазон из двух значений, в столбец войдёт медиана этих двух значений.
  Если в строке указано одно число — цена без диапазона, то в столбец войдёт это число.
  Если значения нет или оно не начинается с подстроки «Цена одной чашки капучино», то в столбец ничего не войдёт.
  • chain — число, выраженное 0 или 1, которое показывает, является ли заведение сетевым (для маленьких сетей могут встречаться ошибки): 
     0 — заведение не является сетевым
 1 — заведение является сетевым
  • district — административный район, в котором находится заведение, например Центральный административный округ;
  • seats — количество посадочных мест.
In [1]:
!pip install folium

Requirement already satisfied: folium in c:\users\ivans\anaconda3\lib\site-packages (0.14.0)
Requirement already satisfied: branca>=0.6.0 in c:\users\ivans\anaconda3\lib\site-packages (from folium) (0.6.0)
Requirement already satisfied: numpy in c:\users\ivans\anaconda3\lib\site-packages (from folium) (1.21.5)
Requirement already satisfied: jinja2>=2.9 in c:\users\ivans\anaconda3\lib\site-packages (from folium) (2.11.3)
Requirement already satisfied: requests in c:\users\ivans\anaconda3\lib\site-packages (from folium) (2.28.1)
Requirement already satisfied: MarkupSafe>=0.23 in c:\users\ivans\anaconda3\lib\site-packages (from jinja2>=2.9->folium) (2.0.1)
Requirement already satisfied: idna<4,>=2.5 in c:\users\ivans\anaconda3\lib\site-packages (from requests->folium) (3.3)
Requirement already satisfied: charset-normalizer<3,>=2 in c:\users\ivans\anaconda3\lib\site-packages (from requests->folium) (2.0.4)
Requirement already satisfied: certifi>=2017.4.17 in c:\users\ivans\anaconda3\lib\site-packages (from requests->folium) (2022.9.14)
Requirement already satisfied: urllib3<1.27,>=1.21.1 in c:\users\ivans\anaconda3\lib\site-packages (from requests->folium) (1.26.11)
In [2]:
# импортируем библиотеки: 
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

import plotly.express as px
from plotly import graph_objects as go

import folium
from folium import Marker, Map
from folium import Map, Choropleth
from folium.plugins import MarkerCluster
import json
In [3]:
import plotly.io as pio
pio.renderers.default='notebook'

2. Загрузим данные и изучим общую информацию:¶

In [4]:
try:
    df = pd.read_csv('moscow_places.csv')
except:
    df = pd.read_csv('/datasets/moscow_places.csv')
In [5]:
df.head()
Out[5]:
name category address district hours lat lng rating price avg_bill middle_avg_bill middle_coffee_cup chain seats
0 WoWфли кафе Москва, улица Дыбенко, 7/1 Северный административный округ ежедневно, 10:00–22:00 55.878494 37.478860 5.0 NaN NaN NaN NaN 0 NaN
1 Четыре комнаты ресторан Москва, улица Дыбенко, 36, корп. 1 Северный административный округ ежедневно, 10:00–22:00 55.875801 37.484479 4.5 выше среднего Средний счёт:1500–1600 ₽ 1550.0 NaN 0 4.0
2 Хазри кафе Москва, Клязьминская улица, 15 Северный административный округ пн-чт 11:00–02:00; пт,сб 11:00–05:00; вс 11:00... 55.889146 37.525901 4.6 средние Средний счёт:от 1000 ₽ 1000.0 NaN 0 45.0
3 Dormouse Coffee Shop кофейня Москва, улица Маршала Федоренко, 12 Северный административный округ ежедневно, 09:00–22:00 55.881608 37.488860 5.0 NaN Цена чашки капучино:155–185 ₽ NaN 170.0 0 NaN
4 Иль Марко пиццерия Москва, Правобережная улица, 1Б Северный административный округ ежедневно, 10:00–22:00 55.881166 37.449357 5.0 средние Средний счёт:400–600 ₽ 500.0 NaN 1 148.0
In [6]:
# Кол-во уникальный заведений:
df['name'].nunique()
Out[6]:
5614
In [7]:
df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 8406 entries, 0 to 8405
Data columns (total 14 columns):
 #   Column             Non-Null Count  Dtype  
---  ------             --------------  -----  
 0   name               8406 non-null   object 
 1   category           8406 non-null   object 
 2   address            8406 non-null   object 
 3   district           8406 non-null   object 
 4   hours              7870 non-null   object 
 5   lat                8406 non-null   float64
 6   lng                8406 non-null   float64
 7   rating             8406 non-null   float64
 8   price              3315 non-null   object 
 9   avg_bill           3816 non-null   object 
 10  middle_avg_bill    3149 non-null   float64
 11  middle_coffee_cup  535 non-null    float64
 12  chain              8406 non-null   int64  
 13  seats              4795 non-null   float64
dtypes: float64(6), int64(1), object(7)
memory usage: 919.5+ KB

3. Выполним предобработку данных¶

In [8]:
df.duplicated().sum()
Out[8]:
0
In [9]:
df['category'].unique()
# Кафе и кофейня - это разный формат, поэтому не ОБъединяем их и не считаем НЕявными дубликатами.
Out[9]:
array(['кафе', 'ресторан', 'кофейня', 'пиццерия', 'бар,паб',
       'быстрое питание', 'булочная', 'столовая'], dtype=object)
In [10]:
df.isna().sum()
Out[10]:
name                    0
category                0
address                 0
district                0
hours                 536
lat                     0
lng                     0
rating                  0
price                5091
avg_bill             4590
middle_avg_bill      5257
middle_coffee_cup    7871
chain                   0
seats                3611
dtype: int64
In [11]:
# Посмотрим долю пропусков: 
pd.DataFrame(round(df.isna().mean().sort_values(ascending=False)*100,1)).style.background_gradient('coolwarm')
Out[11]:
  0
middle_coffee_cup 93.600000
middle_avg_bill 62.500000
price 60.600000
avg_bill 54.600000
seats 43.000000
hours 6.400000
name 0.000000
category 0.000000
address 0.000000
district 0.000000
lat 0.000000
lng 0.000000
rating 0.000000
chain 0.000000

Создадим столбец street с названиями улиц из столбца с адресом:¶

In [12]:
# Делим адрес на составляющие разделенные ",":
df[['0','street','2','3','4','5']] = df['address'].str.split(", ",expand=True)
# Удаляем лишние столбцы
df = df.drop(columns = ['0','2','3','4','5'], axis = 1)
df.head(3)
Out[12]:
name category address district hours lat lng rating price avg_bill middle_avg_bill middle_coffee_cup chain seats street
0 WoWфли кафе Москва, улица Дыбенко, 7/1 Северный административный округ ежедневно, 10:00–22:00 55.878494 37.478860 5.0 NaN NaN NaN NaN 0 NaN улица Дыбенко
1 Четыре комнаты ресторан Москва, улица Дыбенко, 36, корп. 1 Северный административный округ ежедневно, 10:00–22:00 55.875801 37.484479 4.5 выше среднего Средний счёт:1500–1600 ₽ 1550.0 NaN 0 4.0 улица Дыбенко
2 Хазри кафе Москва, Клязьминская улица, 15 Северный административный округ пн-чт 11:00–02:00; пт,сб 11:00–05:00; вс 11:00... 55.889146 37.525901 4.6 средние Средний счёт:от 1000 ₽ 1000.0 NaN 0 45.0 Клязьминская улица

Создадим столбец is_24/7 с обозначением, что заведение работает ежедневно и круглосуточно (24/7):¶

  • логическое значение True — если заведение работает ежедневно и круглосуточно;
  • логическое значение False — в противоположном случае.
In [13]:
df['is_24/7'] = df[df['hours'].apply(lambda x: 'ежедневно, круглосуточно' in str(x))]['hours'] == 'ежедневно, круглосуточно'
df['is_24/7'] = df['is_24/7'].fillna(False)
df.head(3)
Out[13]:
name category address district hours lat lng rating price avg_bill middle_avg_bill middle_coffee_cup chain seats street is_24/7
0 WoWфли кафе Москва, улица Дыбенко, 7/1 Северный административный округ ежедневно, 10:00–22:00 55.878494 37.478860 5.0 NaN NaN NaN NaN 0 NaN улица Дыбенко False
1 Четыре комнаты ресторан Москва, улица Дыбенко, 36, корп. 1 Северный административный округ ежедневно, 10:00–22:00 55.875801 37.484479 4.5 выше среднего Средний счёт:1500–1600 ₽ 1550.0 NaN 0 4.0 улица Дыбенко False
2 Хазри кафе Москва, Клязьминская улица, 15 Северный административный округ пн-чт 11:00–02:00; пт,сб 11:00–05:00; вс 11:00... 55.889146 37.525901 4.6 средние Средний счёт:от 1000 ₽ 1000.0 NaN 0 45.0 Клязьминская улица False

4. Анализ данных¶

4.1 Посмотрим какие категории заведений представлены в данных:¶

Исследуем количество объектов общественного питания по категориям: рестораны, кофейни, пиццерии, бары и так далее. Посмотрим на распределении заведений по категориям.

In [14]:
types_of_places = df.groupby('category')['category'].count().sort_values(ascending=False)
types_of_places = types_of_places.to_frame(name='values')
types_of_places.reset_index(inplace= True)
types_of_places
Out[14]:
category values
0 кафе 2378
1 ресторан 2043
2 кофейня 1413
3 бар,паб 765
4 пиццерия 633
5 быстрое питание 603
6 столовая 315
7 булочная 256
In [15]:
top_3_share = (100-(types_of_places['values'][3:8].sum() / types_of_places['values'][0:3].sum() *100)).round(1)
print(f'Доля топ-3 заведений в общем кол-ве = {top_3_share} %')

Доля топ-3 заведений в общем кол-ве = 55.9 %
In [16]:
plt.figure(figsize=(11,3))
sns.barplot(data=types_of_places, x='category',y='values')

plt.xticks(rotation=0) # наклон подписи оси x

plt.title('Количество объектов общественного питания по категориям',pad=15, fontsize=15)
plt.xlabel('')
plt.ylabel('Кол-во, шт.')

plt.show()
  • Всего в данных представлено 7 типов объектов общ. питания
  • Наиболее популярные: Кафе, Ресторан и Кофейня , чья суммарная доля ~ 60%

4.2 Посмотрим количество посадочных мест по категориям: рестораны, кофейни, пиццерии, бары и так далее:¶

In [17]:
df.groupby('category')['seats'].describe().sort_values(by='50%',ascending=False)
Out[17]:
count mean std min 25% 50% 75% max
category
ресторан 1270.0 121.944094 123.757335 0.0 48.00 86.0 150.0 1288.0
бар,паб 468.0 124.532051 145.011574 0.0 48.00 82.5 150.0 1288.0
кофейня 751.0 111.199734 127.837772 0.0 40.00 80.0 144.0 1288.0
столовая 164.0 99.750000 122.951453 0.0 40.00 75.5 117.0 1200.0
быстрое питание 349.0 98.891117 106.611739 0.0 28.00 65.0 140.0 1040.0
кафе 1218.0 97.512315 117.985084 0.0 35.25 60.0 120.0 1288.0
пиццерия 427.0 94.496487 112.282703 0.0 30.00 55.0 120.0 1288.0
булочная 148.0 89.385135 97.685844 0.0 25.00 50.0 120.0 625.0
In [18]:
plt.figure(figsize=(11,3))
sns.boxplot(x='category', y='seats', data=df)
plt.ylim(0,500)
plt.title('Количество посадочных мест в зависимости от категории объекта', pad=15, fontsize=14)
plt.xlabel('Название объекта')
plt.ylabel('Кол-во мест')

plt.show()
  • Медианный разброс посадочных мест от 50 в булочных до 86 в ресторанах
  • ТОП-3 по кол-ву: Ресторан 86, Бар/Паб 82.5 и Кофейня 80

4.3 Рассмотрим соотношение сетевых и несетевых заведений:¶

In [19]:
t = df.groupby('chain',as_index=False)['chain'].count()
t
Out[19]:
chain
0 5201
1 3205
In [20]:
fig = go.Figure(data=[go.Pie(labels=t.index, values=t['chain'])])
fig.update_layout(title_text='Cоотношение сетевых и несетевых заведений', title_x=0.5, # Заголовок и его положение
                 autosize=False, width=800, height=400, # изменение размера графика
                 )
fig.show()
  • Доля сетевых заведений 38.1 %, против 61,9 % у Не сетевых

4.4 Посмотрим какие категории заведений чаще являются сетевыми:¶

In [21]:
chain_categories = df.groupby('category',as_index=False)[['category','chain']].mean() \
    .round(2).sort_values(by='chain',ascending=False) \
    .reset_index(drop=True)
chain_categories
Out[21]:
category chain
0 булочная 0.61
1 пиццерия 0.52
2 кофейня 0.51
3 быстрое питание 0.38
4 ресторан 0.36
5 кафе 0.33
6 столовая 0.28
7 бар,паб 0.22
In [22]:
plt.figure(figsize=(11,3))
sns.barplot(data=chain_categories, x='category',y='chain')

plt.xticks(rotation=0) # наклон подписи оси x

plt.title('Доля сетевых заведений в каждой категории объекта',pad=15, fontsize=14)
plt.xlabel('Название объекта')
plt.ylabel('Доля сетевых в категории')

plt.show()
  • Чаще всего сетевыми являются булочные 60%
  • Около половины Пиццерии - 52 % и Кофейни - 51%

4.5 Сгруппируем данные по названиям заведений и найдем топ-15 популярных сетей в Москве:¶

(Под популярностью понимается количество заведений этой сети в регионе)

In [23]:
top_fifteen_places = df['name'].value_counts().head(15)
top_fifteen_places
Out[23]:
Кафе                                   189
Шоколадница                            120
Домино'с Пицца                          76
Додо Пицца                              74
One Price Coffee                        71
Яндекс Лавка                            69
Cofix                                   65
Prime                                   50
Хинкальная                              44
Шаурма                                  43
КОФЕПОРТ                                42
Кулинарная лавка братьев Караваевых     39
Теремок                                 38
Чайхана                                 37
Ресторан                                34
Name: name, dtype: int64
In [24]:
# Посмотрим внутри 
df[df['name'].isin(top_fifteen_places.index)].groupby('name').mean()
Out[24]:
lat lng rating middle_avg_bill middle_coffee_cup chain seats is_24/7
name
Cofix 55.755808 37.607951 4.075385 NaN 68.571429 1.0 105.750000 0.030769
One Price Coffee 55.745338 37.599191 4.064789 NaN 95.000000 1.0 140.711538 0.014085
Prime 55.750551 37.603623 4.116000 362.000000 NaN 1.0 126.515152 0.000000
Додо Пицца 55.749049 37.619474 4.286486 388.263889 NaN 1.0 94.596774 0.000000
Домино'с Пицца 55.745032 37.607741 4.169737 503.571429 NaN 1.0 52.819672 0.000000
КОФЕПОРТ 55.763334 37.558071 4.147619 NaN 95.833333 1.0 121.478261 0.000000
Кафе 55.753527 37.611354 3.880952 3816.000000 NaN 0.0 64.067568 0.100529
Кулинарная лавка братьев Караваевых 55.760594 37.603878 4.394872 460.689655 NaN 1.0 102.074074 0.000000
Ресторан 55.763167 37.613732 4.314706 NaN NaN 0.0 132.931034 0.029412
Теремок 55.737750 37.622552 4.123684 325.826087 NaN 1.0 111.296296 0.000000
Хинкальная 55.732335 37.626482 4.322727 1005.263158 NaN 1.0 80.562500 0.045455
Чайхана 55.734138 37.620587 3.924324 439.230769 NaN 1.0 105.421053 0.297297
Шаурма 55.736385 37.630248 3.909302 223.333333 NaN 0.0 71.115385 0.465116
Шоколадница 55.754365 37.593462 4.177500 679.166667 277.193548 1.0 135.144578 0.141667
Яндекс Лавка 55.719703 37.629172 3.872464 NaN NaN 1.0 119.000000 0.115942
In [25]:
# Добавим столбец для идентификации топ 15:
df['is_top_fifteen'] = df['name'].isin(top_fifteen_places.index)
In [26]:
# Сравним топ 15 с остальными:
df.groupby('is_top_fifteen')[['rating','middle_avg_bill','middle_coffee_cup','chain','seats','is_24/7']].mean()
Out[26]:
rating middle_avg_bill middle_coffee_cup chain seats is_24/7
is_top_fifteen
False 4.249305 986.807772 175.236318 0.334457 109.323036 0.087525
True 4.084662 611.095436 173.165414 0.731584 102.340872 0.081736
  • В топ 15 в основном Кафе, Пиццерии и рестораны быстрого питания
  • В сетевых ~ на 35% Ниже средний чек и немного ниже удовлетворенность клиентов: Рейтинг 4.08 против 4.25

4.6 Посмотрим какие административные районы Москвы присутствуют в датасете:¶

In [27]:
district_category_name = df.pivot_table(index = 'district', columns = 'category' , values = 'name', aggfunc='count')
district_category_name
Out[27]:
category бар,паб булочная быстрое питание кафе кофейня пиццерия ресторан столовая
district
Восточный административный округ 53 25 71 272 105 72 160 40
Западный административный округ 50 37 62 239 150 71 218 24
Северный административный округ 68 39 58 235 193 77 189 41
Северо-Восточный административный округ 63 28 82 269 159 68 182 40
Северо-Западный административный округ 23 12 30 115 62 40 109 18
Центральный административный округ 364 50 87 464 428 113 670 66
Юго-Восточный административный округ 38 13 67 282 89 55 145 25
Юго-Западный административный округ 38 27 61 238 96 64 168 17
Южный административный округ 68 25 85 264 131 73 202 44
In [28]:
district_category_name.plot(kind = 'barh', stacked = True)

plt.legend(bbox_to_anchor=(1, 0.7)) # местоположение легенды

plt.title('Кол-во заведений каждой категории по районам', pad=15, fontsize=14)
plt.xlabel('Кол-во, шт.')
plt.ylabel(' ')


plt.show()
  • Представлено 9 округов из 10ти (Кроме Зеленоградского АО)
  • Самый популярный - Центральный округ
  • Следом Северый, Южный и Северо-Восточный соответственно

4.7 Посмотрим распределение средних рейтингов по категориям заведений:¶

Сильно ли различаются усреднённые рейтинги в разных типах общепита?

In [29]:
avg_category_rating = (
    df.groupby('category',as_index=False)['rating'].mean().round(2)
    .sort_values(by='rating', ascending=False)
    .reset_index(drop=True)
)
avg_category_rating
Out[29]:
category rating
0 бар,паб 4.39
1 пиццерия 4.30
2 ресторан 4.29
3 кофейня 4.28
4 булочная 4.27
5 столовая 4.21
6 кафе 4.12
7 быстрое питание 4.05
In [30]:
avg_rating = round(df['rating'].mean(),2)
print(f'Срейдний рейтинг по всем заведениям = {avg_rating}')

Срейдний рейтинг по всем заведениям = 4.23
In [31]:
plt.figure(figsize=(11,3))
sns.barplot(data=avg_category_rating, x='category',y='rating')

plt.xticks(rotation=0) # наклон подписи оси x
plt.ylim(4,4.5)

plt.title('Средний рейтинг по категориям объектов',pad=15, fontsize=14)
plt.xlabel('')
plt.ylabel('Рейтинг')

plt.show()
  • Средний рейтинг по категориям различается НЕ сильно. Диапазон от 4.05 до 4.4
  • Лидируют Бары и Пабы, далее Примерно одинаковы Рестораны, пиццерии Кофейни и Булочные
  • Кафе и быстрое питание, так популярные у сетей - внизу рейтинга

4.8 Построим фоновую картограмму (хороплет) со средним рейтингом заведений каждого района:¶

Границы районов Москвы, которые встречаются в датасете, хранятся в файле admin_level_geomap.geojson

In [32]:
# читаем файл и сохраняем в переменной
with open('admin_level_geomap.geojson', 'r') as f:
    geo_json = json.load(f)
In [33]:
# загружаем JSON-файл с границами округов Москвы
# state_geo = 'admin_level_geomap.geojson'
state_geo = 'https://code.s3.yandex.net/data-analyst/admin_level_geomap.geojson'

# moscow_lat - широта центра Москвы, moscow_lng - долгота центра Москвы
moscow_lat, moscow_lng = 55.751244, 37.618423

# создаём карту Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=10)
In [34]:
# создаём хороплет с помощью конструктора Choropleth и добавляем его на карту
Choropleth(
    geo_data=state_geo,
    data=df,
    columns=['district', 'rating'],
    key_on='feature.name',
    fill_color='YlGn',
    fill_opacity=0.5,
    legend_name='Медианный рейтинг заведений по районам',
).add_to(m)

# выводим карту
m
Out[34]:
Make this Notebook Trusted to load map: File -> Trust Notebook

4.9 Отобразим все заведения датасета на карте с помощью кластеров средствами биб-ки folium:¶

In [35]:
# создаём пустой кластер, добавляем его на карту
marker_cluster = MarkerCluster().add_to(m)
In [36]:
# пишем функцию, которая принимает строку датафрейма,
# создаёт маркер в текущей точке и добавляет его в кластер marker_cluster
def create_clusters(row):
    Marker(
        [row['lat'], row['lng']],
        popup=f"{row['name']} {row['rating']}",
    ).add_to(marker_cluster)
In [37]:
# применяем функцию create_clusters() к каждой строке датафрейма
df.apply(create_clusters, axis=1)

# выводим карту
m
Out[37]:
Make this Notebook Trusted to load map: File -> Trust Notebook

4.10 Найдем топ-15 улиц по количеству заведений:¶

  • Построим график распределения количества заведений и их категорий по этим улицам.
In [38]:
top_fifteen_streets = (
    df.groupby('street',as_index=False)['category'].count()
    .sort_values(by='category',ascending=False).head(15)
)
top_fifteen_streets
Out[38]:
street category
1090 проспект Мира 184
773 Профсоюзная улица 122
1087 проспект Вернадского 108
525 Ленинский проспект 107
523 Ленинградский проспект 95
373 Дмитровское шоссе 88
455 Каширское шоссе 77
298 Варшавское шоссе 76
524 Ленинградское шоссе 70
550 МКАД 65
547 Люблинская улица 60
1154 улица Вавилова 55
517 Кутузовский проспект 54
1309 улица Миклухо-Маклая 49
781 Пятницкая улица 48
In [39]:
top_fifteen_streets_df= df[df['street'].isin(top_fifteen_streets['street'])]
top_fifteen_streets_df.head(2)
Out[39]:
name category address district hours lat lng rating price avg_bill middle_avg_bill middle_coffee_cup chain seats street is_24/7 is_top_fifteen
8 Donna Maria ресторан Москва, Дмитровское шоссе, 107, корп. 4 Северный административный округ ежедневно, 10:00–22:00 55.880045 37.539006 4.8 средние Средний счёт:от 500 ₽ 500.0 NaN 0 79.0 Дмитровское шоссе False False
12 Заправка кафе Москва, МКАД, 80-й километр, 1 Северный административный округ вт-сб 09:00–18:00 55.899938 37.517958 4.3 средние Средний счёт:330 ₽ 330.0 NaN 0 NaN МКАД False False
In [40]:
tfs_pivot = (
    top_fifteen_streets_df.pivot_table(index = 'street', columns = 'category' , values = 'name', aggfunc='count')
    .sort_values(by='кафе')
)
tfs_pivot
Out[40]:
category бар,паб булочная быстрое питание кафе кофейня пиццерия ресторан столовая
street
Пятницкая улица 9.0 3.0 2.0 7.0 6.0 3.0 18.0 NaN
Ленинградский проспект 15.0 4.0 2.0 12.0 25.0 9.0 25.0 3.0
Ленинградское шоссе 5.0 2.0 5.0 13.0 13.0 3.0 26.0 3.0
Кутузовский проспект 2.0 1.0 2.0 14.0 13.0 3.0 16.0 3.0
улица Вавилова 2.0 2.0 11.0 15.0 10.0 3.0 12.0 NaN
Варшавское шоссе 6.0 NaN 7.0 18.0 14.0 4.0 20.0 7.0
Каширское шоссе 2.0 NaN 10.0 20.0 16.0 5.0 19.0 5.0
улица Миклухо-Маклая 3.0 NaN 4.0 21.0 4.0 2.0 15.0 NaN
Дмитровское шоссе 6.0 2.0 10.0 23.0 11.0 8.0 24.0 4.0
проспект Вернадского 7.0 1.0 12.0 25.0 16.0 12.0 33.0 2.0
Ленинский проспект 10.0 3.0 2.0 26.0 23.0 5.0 33.0 5.0
Люблинская улица 5.0 NaN 5.0 26.0 11.0 1.0 10.0 2.0
Профсоюзная улица 6.0 4.0 15.0 35.0 18.0 15.0 26.0 3.0
МКАД 1.0 NaN 9.0 45.0 4.0 NaN 5.0 1.0
проспект Мира 12.0 4.0 21.0 53.0 36.0 11.0 45.0 2.0
In [41]:
tfs_pivot.plot(kind = 'barh', stacked = True)

plt.legend(bbox_to_anchor=(1, 0.7)) # местоположение легенды

plt.title('Распределение кол-ва заведений и их категорий по самым популярным улицам',pad=15)
plt.xlabel('Рейтинг')
plt.ylabel('')

plt.show()
  • Самое большое кол-во заведений на проспекте Мира
  • Далее Профсоюзная ул, Пр-т Вернадского, Ленинский и Ленинградский пр-ты
  • Кафе, Кофейни и Рестораны, почти везде в лидерах

4.11 Посмотрим, есть-ли улицы, на которых находится только один объект общепита:¶

In [42]:
df_grouped_by_street = df.groupby('street').count()
streets_with_one_place = df_grouped_by_street[df_grouped_by_street['name'] == 1].index
df[df['street'].isin(streets_with_one_place)].describe()
Out[42]:
lat lng rating middle_avg_bill middle_coffee_cup chain seats
count 458.000000 458.000000 458.000000 165.000000 24.000000 458.000000 156.000000
mean 55.760131 37.617146 4.236681 959.830303 186.166667 0.290393 59.115385
std 0.063903 0.093523 0.461952 999.518083 55.544472 0.454440 48.274880
min 55.578830 37.387459 1.000000 67.000000 95.000000 0.000000 0.000000
25% 55.729272 37.561486 4.100000 325.000000 140.000000 0.000000 30.000000
50% 55.760801 37.612995 4.300000 625.000000 177.500000 0.000000 45.000000
75% 55.795678 37.667302 4.500000 1250.000000 213.750000 1.000000 80.000000
max 55.914074 37.867004 5.000000 7000.000000 320.000000 1.000000 240.000000
In [43]:
# Добавим столбец для идентификации улиц с 1м объектом:
df['is_only_one'] = df['street'].isin(streets_with_one_place)
In [44]:
# Сравним улицы с 1м объектом с остальными:
df.groupby('is_only_one')[['rating','middle_avg_bill','middle_coffee_cup','chain','seats','is_24/7']].mean()
Out[44]:
rating middle_avg_bill middle_coffee_cup chain seats is_24/7
is_only_one
False 4.229504 957.955429 174.183953 0.386512 110.079759 0.087947
True 4.236681 959.830303 186.166667 0.290393 59.115385 0.067686
  • Особых закономерностей в заведениях с 1м объектом не найдено.
  • При сравнении таких заведений с улицами где объектов много, также почти нет различий, за исключением:
    1. Сетей меньше на 10 %
    2. Кол-во мест в 2 раза меньше
    3. На 20% меньше заведений работают Круглосуточно

4.12 Анализ цен по районам:¶

Значения средних чеков заведений хранятся в столбце middle_avg_bill. Эти числа показывают примерную стоимость заказа в рублях, которая чаще всего выражена диапазоном.

  • Посчитаем медиану этого столбца для каждого района. Используем это значение в качестве ценового индикатора района.
  • Построим фоновую картограмму (хороплет) с полученными значениями для каждого района.
  • Проанализируем цены в центральном административном округе и других.
In [45]:
district_median_price= df.groupby('district', as_index=False)['middle_avg_bill'] \
    .median().sort_values(by='middle_avg_bill',ascending=False)
district_median_price
Out[45]:
district middle_avg_bill
1 Западный административный округ 1000.0
5 Центральный административный округ 1000.0
4 Северо-Западный административный округ 700.0
2 Северный административный округ 650.0
7 Юго-Западный административный округ 600.0
0 Восточный административный округ 575.0
3 Северо-Восточный административный округ 500.0
8 Южный административный округ 500.0
6 Юго-Восточный административный округ 450.0
In [46]:
# создаём хороплет с помощью конструктора Choropleth и добавляем его на карту
Choropleth(
    geo_data=state_geo,
    data=district_median_price,
    columns=['district', 'middle_avg_bill'],
    key_on='feature.name',
    fill_color='YlGn',
    fill_opacity=0.5,
    legend_name='Медианный Средний чек заведений по районам',
).add_to(m)

# выводим карту
m
Out[46]:
Make this Notebook Trusted to load map: File -> Trust Notebook

Общий вывод по результатам Анализа :¶

Всего представлено 8406 объектов общественного питания 8ми типов:
'кафе', 'ресторан', 'кофейня', 'пиццерия', 'бар,паб', быстрое питание', 'булочная', 'столовая'

  1. ТОП-3 по кол-ву с долей 60% от всех заведений: Кафе, рестораны и Кофейни
  2. ТОП-3 по медианному кол-ву посадочных мест: Рестораны(86), Бары/Пабы(82.5) и Кофейни(80)
  3. ТОП-3 Категории с наибольшей долей сетей: Булочная(60%), Пиццерии(52%) и Кофейни(51%)
  4. ТОП-15 популярных сетей в основном представлены в категориях Кафе и Быстрое питание
    • Средний чек в сетях ниже ~ на 35%
    • Средний рейтинг в сетях чуть ниже ~ на 0.2 балла
  5. Средний рейтинг по категориям отличается не сильно, наиболее низкий у Кафе и быстрого питания
  6. Самый популярный округ по кол-ву заведений:
    • Лидер - Центральный округ,
    • следом Северый, Южный и Северо-Восточный
  7. Наиболее популярные по кол-ву заведений улицы:
    • Самое большое кол-во заведений на проспекте Мира
    • Далее Профсоюзная ул, Пр-т Вернадского, Ленинский и Ленинградский пр-ты
  8. При сравнении улиц где только 1 объект с улицами где объектов много, выявлено несколько отличий:
    • Сетей меньше на 10 %
    • Кол-во мест в 2 раза меньше
    • На 20% меньше заведений работают Круглосуточно
  9. При анализе среднего чека по районам выявлено:
    • ЦАО и ЗАО - самый высокий ср чек ~ 1000р
    • В направлении Севера и Юга от центра - ср чек ~ на 30% ниже
    • К Востоку от центра, ср чек опускается в 2 раза и ниже ~ до 500р

При обзоре общих данных Кофейня выглядит достаточно конкурентноспособным объектом.

5. Детализируем исследование: открытие кофейни¶

Основателям фонда «Shut Up and Take My Money» не даёт покоя успех сериала «Друзья». Их мечта — открыть такую же крутую и доступную, как «Central Perk», кофейню в Москве. Будем считать, что заказчики не боятся конкуренции в этой сфере, ведь кофеен в больших городах уже достаточно. Попробуем определить, осуществима ли мечта клиентов.

Ответим на следующие вопросы:

5.1 Сколько всего кофеен в датасете? В каких районах их больше всего, каковы особенности их расположения?¶

In [47]:
# Выделим кофейни в отдельный df:
df_coffee_house = df[df['category'] == 'кофейня']

# Посчитаем кол-во кофеен:
print('Кол-во кофеен в датасете =', df_coffee_house['name'].count())

Кол-во кофеен в датасете = 1413
In [48]:
# Посмотрим кол-во кофеен по районам:
df_coffee_house.groupby('district', as_index=False)['name'].count().sort_values(by='name',ascending=False)
Out[48]:
district name
5 Центральный административный округ 428
2 Северный административный округ 193
3 Северо-Восточный административный округ 159
1 Западный административный округ 150
8 Южный административный округ 131
0 Восточный административный округ 105
7 Юго-Западный административный округ 96
6 Юго-Восточный административный округ 89
4 Северо-Западный административный округ 62
In [49]:
# Для изучения особенностей расположения создадим карту с кофейнями:
m1 = Map(location=[moscow_lat, moscow_lng], zoom_start=10)

# создаём пустой кластер, добавляем его на карту
marker_cluster = MarkerCluster().add_to(m1)

df_coffee_house.apply(create_clusters, axis=1)
m1
Out[49]:
Make this Notebook Trusted to load map: File -> Trust Notebook

5.2 Есть ли круглосуточные кофейни?¶

In [50]:
dch = df_coffee_house.groupby('is_24/7',as_index=False)['is_24/7'].count()
dch
Out[50]:
is_24/7
0 1354
1 59
In [51]:
fig = go.Figure(data=[go.Pie(labels=dch.index, values=dch['is_24/7'])])
fig.update_layout(title_text='Доля кофеен работающих 24 часа', title_x=0.5, # Заголовок и его положение
                 autosize=False, width=800, height=400, # изменение размера графика
                 ) # изменение подписей легенды

fig.show()

5.3 Какие у кофеен рейтинги? Как они распределяются по районам?¶

In [52]:
df_rating_by_district = (
    df_coffee_house.groupby('district',as_index=False)['rating'].mean().round(2)
    .sort_values(by='rating', ascending=False)
    .reset_index(drop=True)
)
df_rating_by_district
Out[52]:
district rating
0 Центральный административный округ 4.34
1 Северо-Западный административный округ 4.33
2 Северный административный округ 4.29
3 Восточный административный округ 4.28
4 Юго-Западный административный округ 4.28
5 Юго-Восточный административный округ 4.23
6 Южный административный округ 4.23
7 Северо-Восточный административный округ 4.22
8 Западный административный округ 4.20
In [53]:
plt.figure(figsize=(11,3))
sns.barplot(data=df_rating_by_district, x='rating',y='district',orient='h')

plt.xticks(rotation=0) # наклон подписи оси x
plt.xlim(4,4.5)

plt.title('Средний рейтинг кофеен по районам', pad=15, fontsize=14)
plt.xlabel('Рейтинг')
plt.ylabel('')

plt.show()

5.4 На какую стоимость чашки капучино стоит ориентироваться при открытии и почему?¶

In [54]:
cap_cup_mean_price = round(df_coffee_house['middle_coffee_cup'].mean(),0)
print(f'Средняя цена чашки Капучино в Мск = {cap_cup_mean_price}')

Средняя цена чашки Капучино в Мск = 175.0
In [55]:
cap_price_by_district = df_coffee_house.groupby('district',as_index=False)['middle_coffee_cup'].mean().round() \
    .sort_values(by='middle_coffee_cup',ascending=False)
cap_price_by_district
Out[55]:
district middle_coffee_cup
1 Западный административный округ 190.0
5 Центральный административный округ 188.0
7 Юго-Западный административный округ 184.0
0 Восточный административный округ 174.0
2 Северный административный округ 166.0
4 Северо-Западный административный округ 166.0
3 Северо-Восточный административный округ 165.0
8 Южный административный округ 158.0
6 Юго-Восточный административный округ 151.0
In [56]:
plt.figure(figsize=(11,3))
sns.barplot(data=cap_price_by_district, x='middle_coffee_cup',y='district',orient='h')

plt.xticks(rotation=0) # наклон подписи оси x
plt.xlim(100,200)
plt.axvline(color="grey",x= cap_cup_mean_price, linewidth= 2, linestyle="--") # ymin=0.25, ymax=0.75)

plt.title('Средняя цена чашки капучино по районам')
plt.xlabel('Цена, руб.')
plt.ylabel('')

plt.show()

Рекомендации:¶

Для открытия кофейни и наиболее вероятной её финансовой успешности, исходя из имеющихся данных, предлагаю:

  1. Выбрать район ЗАО или ЮЗАО, поскольку в них наименьшее кол-во кофеен и наибольший средний чек и стоимость чашки кофе
  2. Рассмотреть улицы где уже есть несколько других объектов, но не кофеен.
  3. Подобрать оптимальные часы работы, но не круглосуточные, тк доля таких всего 4% , явно не просто так.
  4. Для более точно прогнозтварония успешности и фин стабильности кофейни, важно оценить данный анализ в связке с дополнительными параметрами, такими как:
    • Стоимость аренды по районам/улицам
    • Трафик по улицам
    • Профили пользователей образующих трафик

Сслыка на презентацию: 👇 👇 👇¶

https://drive.google.com/file/d/1bDwLJP4_y7EEMhtnGnlA6KkHz3vXKJF3/view?usp=sharing

In [ ]: